Odwiecznym problemem, któremu banki codziennie muszą stawiać czoło, jest decyzja o akceptacji bądź odrzuceniu klienta, podejmowana w oparciu o ograniczoną ilość informacji na jego temat. W takich sytuacjach przychodzą z pomocą systemy ratingowe. Pozwalają one na obiektywne ocenienie klientów oraz pomagają w podejmowaniu decyzji co do przyszłości relacji bank-klient. Poprzedni artykuł z naszej serii podkreślał znaczenie systemów ratingowych w zarządzaniu bankiem. Zwracał on również uwagę na ich szerokie zastosowanie poza obszarem ryzyka. Tym razem koncentruję się na tematach związanych z procesem budowy statystycznego modelu ratingowego dla klientów korporacyjnych, zgodnie z najlepszymi praktykami rynkowymi.
System czy model?
Uważny Czytelnik zauważył już, że czasami używamy sformułowania „system ratingowy”, a czasami „model ratingowy”. Należy podkreślić, że zakres obu pojęć jest zdecydowanie inny. System ratingowy to metody, procedury, bazy danych, systemy informatyczne oraz procesy kontrolne służące ocenie ryzyka kredytowego, przypisywaniu należności do określonych grup ryzyka oraz oszacowaniu charakterystyk ryzyka. Model natomiast jest centralną częścią systemu ratingowego, która wraz z dodatkowym elementem osądu ludzkiego oraz narzędziami IT daje podstawy do podejmowania wielu decyzji. Jego przygotowanie wymaga danych, niezbędnej wiedzy statystycznej i eksperckiej oraz również bogatego doświadczenia w tym obszarze. Poszczególne etapy konstrukcji modelu ratingowego przedstawia schemat.
Dane
Podstawą estymacji każdego statystycznego modelu ratingowego są dane. Muszą być one reprezentatywne dla danej instytucji oraz segmentu klientów lub transakcji, dla których jest on przygotowywany. Ponadto w celu uzyskania poprawnych i istotnych statystycznie oszacowań, powinno się zapewnić ich odpowiednią jakość oraz ilość. Określenie pełnego zakresu wymaganych informacji jest poparte ich zdolnością do objaśniania wiarygodności, popartą odpowiednim uzasadnieniem ekonomicznym.
W warunkach polskich dużym problemem jest kwestia stabilności wykorzystywanej definicji niewykonania zobowiązania (ang. default). Stosunkowo duże zmiany występowały w roku 2004, tuż przed wprowadzeniem standardu rachunkowości IFRS 39. Następne poprawki mogą być wymagane w przypadku, gdy bank zamierza kalkulować wymogi kapitałowe z tytułu ryzyka kredytowego według metody wewnętrznych ratingów (zgodność z definicją zawartą w uchwale 1/2007 Komisji Nadzoru Bankowego). W przypadku znaczących różnic w próbce danych może to doprowadzić do niepoprawnych oszacowań oraz niskiej mocy predykcyjnej modelu.
Funkcja scoringowa
Czy wartość zysku netto jest dobrym miernikiem wiarygodności kredytowej przedsiębiorstwa? To pytanie, wbrew pozorom, jest bardzo trudne, jeśli nie znamy innych informacji o firmie. Dużo bardziej miarodajna wydaje się relacja zysku netto do, na przykład, wartości aktywów. Właśnie dlatego pierwszym etapem procesu określania i szacowania funkcji scoringowej jest stworzenie katalogu wskaźników finansowych (rentowności, zadłużenia, płynności etc.).
Następnie wraz z innymi zmiennymi są one poddawane analizie jednowymiarowej. Polega ona na badaniu mocy prognostycznej oraz istotności statystycznej pojedynczo dla każdego z określonych wcześniej wskaźników i zmiennych. Czy to oznacza, że zmienne o najwyższej mocy zostaną uwzględnione w modelu? Nie. Analiza jednowymiarowa jest jedynie badaniem wstępnym, które pozwala ograniczyć liczbę atrybutów do kilkunastu lub kilkudziesięciu najważniejszych.
W etapie następnym należy wybrać postać funkcyjną modelu statystycznego. Wybór jest bardzo szeroki, na przykład: modele logiki rozmytej, modele regresji, sieci neuronowe, analiza dyskryminacyjna, data mining, modele wyceny opcji, modele symulacji przepływów. W przypadku modeli konstruowanych do oceny ekspozycji korporacyjnych najczęściej wybierane są modele regresji. Z kolei w przypadku ekspozycji detalicznych banki coraz częściej sięgają do technik data miningowych.
Mając skróconą listę zmiennych, wskaźników oraz pożądaną postać modelu dokonuje się ostatecznego ich doboru oraz wstępnego oszacowania parametrów. Wybór zmiennych jest nauką i sztuką w jednym – etap ten kryje wiele pułapek. Duża ich liczba może prowadzić do stosunkowo wysokiej mocy prognostycznej dla danych historycznych, lecz z drugiej strony niesie z sobą duże ryzyko, że model szybko się zdezaktualizuje. W rezultacie na ogół konstruuje się kilka modeli jednocześnie, a ostateczny wybór jest oparty na ich mocy prognostycznej w różnych horyzontach czasowych, wynikach testów statystycznych oraz analizie jakościowej otrzymanych oszacowań.
Kalibracja
Celem kalibracji jest przypisanie rzeczywistego prawdopodobieństwa niewykonania zobowiązania każdej wartości funkcji scoringowej lub klasie ratingowej. Potencjalne różnice mogą wynikać z dwóch przyczyn. Po pierwsze, dane służące do budowy modelu często różnią się od danych, dla których szacuje się średnie prawdopodobieństwo niewykonania zobowiązania (ang. PD – probability of default). Po drugie, charakterystyka ryzyka w obrębie danego segmentu klientów lub transakcji zmienia się w czasie. W rezultacie każdy model ratingowy wymaga okresowej aktualizacji kalibracji.
Walidacja
Walidacja jest kluczowym, aczkolwiek niedocenianym, elementem konstrukcji modelu ratingowego. Dlaczego niedocenianym? Bardzo często walidacja jest rozumiana jako testowanie modelu z wykorzystaniem danych historycznych (ang. back-testing), tymczasem jest to pojęcie znacznie szersze, obejmujące m.in. analizę danych wejściowych, struktury systemu ratingowego, wpływu osądu ludzkiego, mocy dyskryminacyjnej, stabilności wyników i kalibracji.
Celem walidacji ilościowej jest ocena zdolności modelu ratingowego do odpowiedniego różnicowania pomiędzy przypadkami dobrymi i złymi. Ponadto ocenie poddaje się również kalibrację modelu. Walidacja jakościowa koncentruje się na analizie poprawności stosowania modeli i systemów ratingowych w praktyce. Ponadto zwraca się również uwagę na fundamentalne założenia modelu identyfikując ewentualne błędy logiczne oraz pomyłki w konstrukcji modelu lub jego użytkowaniu.
Walidacja nie kończy się z chwilą akceptacji modelu. Wdrożony model podlega procesowi okresowego przeglądu przeprowadzanego przez niezależną jednostkę banku. Praktyka taka została również podkreślona w wymaganiach dla stosowania metody wewnętrznych ratingów w rachunku adekwatności kapitałowej: model podlega regularnemu procesowi wewnętrznego zatwierdzania, obejmującego monitorowanie jakości i stabilności wyników modelu, przegląd jego specyfikacji oraz porównywanie wyników modelu z obserwowanym stanem ekspozycji. Ma to zapewniać pełną adekwatność systemu ratingowego oraz jego prawidłowe użytkowanie przez bank.
Po co to wszystko?
Większość polskich banków może wykorzystać modele opracowane przez spółkę-matkę. Czy jest to dobre rozwiązanie? To zależy. Dostosowanie modelu centralnego do warunków lokalnych, wbrew pozorom, również wymaga dużego nakładu pracy. Z uwagi na różnice w przepisach rachunkowych istnieje konieczność przystosowania wskaźników i innych danych ilościowych, uwzględnienie zmiennych jakościowych może być trudne lub niemożliwe, ponadto należy na nowo przeprowadzić kalibrację oraz walidację modelu. Rozwiązania opracowane od początku na własnych danych banku powinny zapewniać ich pełne dopasowanie do indywidualnego portfela danej instytucji. Niniejszy tekst przedstawia jedynie ogólny zarys etapów konstrukcji modeli ratingowych. Ich praktyczne zastosowanie jest znacznie trudniejsze i bardziej pracochłonne niż może się to wydawać. W zamian bank otrzymuje potężne narzędzie, które może być wykorzystywane nie tylko do akceptacji bądź odrzucenia klientów, ale również do ich segmentacji, pricingu i szeroko rozumianego zarządzania relacjami z klientem.
Autor jest członkiem zespołu ds. zarządzania ryzykiem finansowym w PricewaterhouseCoopers
Źródło:
